ホーム 総合日程表  Web配信  機械学習  画像認識  4月  5月  6月  7月 

〜埼玉大学 島村徹也先生の〜    ★ZoomによるWeb配信セミナー★

【”画像” / ”音”処理技術 講座】

 
 AI時代において、”画像”と”音”は、処理対象の中心となっています。ここ10年間での、機械の物体認識の能力、周囲・環境の把握能力は、驚異的です。このように急激に機械学習・深層学習の能力が進展して中で、”画像”処理と”音”処理を基本から学ぶことは、益々重要になって行くでしょう。
 本講座では、”画像”講座と”音”講座に大別し、それぞれの実環境で必要とされる処理技術を基礎から応用まで、わかりやすく講義します。”画像”では、機械学習での前処理に活用できるフィルタリング技術と、最近特に注目度が向上してきた画質評価、を取り上げます。”音”では、設備機械などの保全に役立つ、故障検知・故障予知技術を解説します。いずれも、まとまったテキストとかは存在しない内容であり、新しい知見が得られると期待できます。
島村徹也(しまむらてつや) 氏
 埼玉大学大学院 理工学研究科 数理電子情報部門 教授(工学博士)

        


『機械学習/DeepLearningの画像データ前処理に活用できる画像フィルタリングの基本と最新動向』

 2024年4月12日(金)10:00-16:30 
      … 53,900円(税込)/1名、66,000円(税込)/1口(3名まで)

『画像処理の多くはディジタルフィルタリング』であり、その設計方法を理解し、実行方法を習得することにより、多種多様な画像処理が可能となる。最近では、画像認識/画像理解への応用が注目を集めている。
本セミナーでは、主要なフィルタ設計法を取り上げ、その理論をできる限り詳細に説明することを心がける。また、MATLAB による各種アルゴリズムのシミュレーション結果を確認しながら、解説を進める。現場で利用するフィルタ選択のノウハウ、最近評判のフィルタリング方法を紹介しつつ、画像の復元問題においては、複雑なアルゴリズムの中に存在するキーテクニックの特徴をわかりやすく解説する。最近の研究動向にも触れ、マルチステージ法などの先端技術を紹介しながら、オリジナリティをどのように生み出すかにも言及する。


『ディジタル信号処理による雑音・ノイズの低減/除去技術とその応用』

 2024年5月29日(水)10:00-16:30 
      … 53,900円(税込)/1名、66,000円(税込)/1口(3名まで)

最近、雑音低減・除去技術に関する注目が特に高まっています。騒音源からのノイズ低減や、認識技術の前処理など、その利用の仕方は様々ですが、実環境に即した雑音対策が今求められています。
 本セミナーでは、実環境での雑音の種類から話をスタートし、ディジタル信号処理において、それぞれの雑音に対して、どのような対処策があるかを詳細に説明します。具体的なアルゴリズムを提示し、結果を確認しながら解説しますが、雑音の性質に応じた各種フィルタリング技術から、時変性がある従来対処困難とされていた雑音に対しても有効に働く、フレーム内処理方法やディープニューラルネットワークの利用までをカバーします。最先端のWave-U-Netやその改善方法なども説明します。 応用例として、音と通信を特に取り上げますが、実応用はこれらに限定されるものではありません。
 本セミナーでは、講師のこれまでの複数の企業との共同研究の知見から、現場で遭遇する雑音対策のノウハウを様々な角度から紹介して、受講者の抱える雑音問題の最適な解を提供することを目指します。それぞれの状況に応じて、最適解は異なるものになると予想できます。


『音による故障検知および故障予知』

 2024年6月26日(水)10:00-16:30 
      … 53,900円(税込)/1名、66,000円(税込)/1口(3名まで)

画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。
 本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。また、実際の環境音、騒音などに鑑みて、比較的平易に取り組める雑除去手法の紹介も行います。
  実際の現場で、どのようなマイクをどのように取り付けるか等のノウハウもお伝えする予定です。共同研究を実施してきた経験から、本セミナーでは特徴量ベースの方法と学習ベースの方法の二つを軸として、各種特徴量の計算を紹介しつつ、学習ではCNNを中心に、最適な方法の導出の考え方について、また最近の動向に触れ、異常データが少ない場合の対策(MT法、AE法等)をも説明する予定です。我々の経験手法にも言及します。